METODE ROBUST KRIGING UNTUK MENGESTIMASI DATA SPASIAL BERPENCILAN (Studi Kasus: Pencemaran Udara Gas NO 2 di Kota Semarang)
|
|
- Veronika Sumadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman Online di: METODE ROBUST KRIGING UNTUK MENGESTIMASI DATA SPASIAL BERPENCILAN (Studi Kasus: Pencemaran Udara Gas NO 2 di Kota Semarang) Anjan Setyo Wahyudi 1, Sugito 2, Dwi Ispriyanti 3 1 Mahasiswa Departemen Statistika FSM Universitas Diponegoro 2,3 Staff Pengajar Departemen Statistika FSM Universitas Diponegoro setyowahyudianjan@gmail.com, sugitozafi@undip.ac.id, ispriyanti.dwi@gmail.com ABSTRACT Kriging is a geostatistical analysis used to estimate the value of the function at an unsampled point by computing a spatial correlation in the neighbourhood of the sample point. Interpolation can produce less precise predictive value if there are outliers among the data. Outliers defined as extreme observation value of the other observation values. Robust kriging is development method of ordinary kriging which transform weight of classic semivariogram thus become semivariogram that robust to outlier of the data. This research aims to estimate the concentrate of Nitrogen Dioxide (NO 2 ) in Semarang using robust kriging method. The spatial data used in this research is coordinates point and concentrate of Nitrogen Dioxide (NO 2 ). This method compare between robust semivariogram and theoretical semivariogram (such as spherical, exponential, and gaussian models) to determine the best estimator of the theoretical semivariogram model. The analysis showed that the best theoretical semivariogram model is exponential model. The estimation of Nitrogen Dioxide concentration conducted at 177 urban communities in Semarang. Keywords: kriging, outliers, robust kriging, robust semivariogram 1. PENDAHULUAN Udara bersih yang dihirup merupakan suatu gas yang tidak tampak, tidak berbau, tidak berwarna, dan tidak berasa. Namun, dewasa ini udara yang benar-benar bersih sudah sangat sulit untuk diperolah, mengingat banyaknya industri-industri di kota-kota besar serta ditambah oleh polusi padatnya asap kendaraan. Udara merupakan campuran beberapa macam gas yang perbandingannya tidak tetap, tergantung pada keadaan suhu udara, tekanan udara, dan lingkungan sekitarnya [20]. Komposisi udara bersih terdiri dari nitrogen (N 2 ) sebesar 78,09 %, oksigen (O 2 ) sebesar 21,94 %, argon (Ar) sebesar 0,93 %, dan karbon dioksida CO 2 ) sebesar 0,032 %. Apabila komponen udara mengalami perubahan dari keadaan normal seperti tersebut diatas maka dapat dikatakan bahwa udara telah tercemar [20]. Pencemaran udara adalah masuknya atau dimasukkannya zat, energi, atau komponen lain ke dalam udara ambien oleh kegiatan manusia, sehingga mutu udara ambien turun sampai ke tingkat tertentu yang menyebabkan udara ambien tidak dapat memenuhi fungsinya [19]. Salah satu sumber pencemar udara yaitu senyawa kimia gas nitrogen dioksida (NO 2 ). Sifat gas (NO 2 ) adalah berwarna merah kecoklatan dan berbau tajam menyengat hidung. Senyawa kimia gas nitrogen dioksida (NO 2 ) mempunyai dampak negative terhadap pertumbuhan tanaman pangan, pemanasan global (global warming), korosi terhadap alat dan mesin logam, dan pembentukan kabut berbahaya [18]. Badan Lingkungan Hidup (BLH) Kota Semarang telah melakukan pengukuran terhadap gas tersebut tetapi hanya beberapa sampel. Oleh karena itu, untuk mengetahui kadar gas NO 2 pada suatu titik tertentu yang tidak dilakukan pengukuran digunakanlah suatu metode interpolasi geostatistik.
2 Geostatistik merupakan gabungan ilmu antara geologi, teknik, matematika, dan statistika [5]. metode kriging merupakan teknik geostatistik untuk interpolasi nilai di lokasi yang tidak teramati dari pengamatan dan nilainya diperoleh dari lokasi terdekat [9]. Ada beberapa metode kriging yang dikembangkan seperti simple kriging, ordinary kriging, dan universal kriging [4]. Ketiga metode ini membutuhkan asumsi bahwa data berdistribusi normal. Namun sering kali pada kenyataannya data yang diperoleh tidak berdistribusi normal dan terdapat pencilan atau outlier. Robust kriging merupakan pengembangan dari ordinary kriging yang mentransformasikan bobot variogram pada variogram klasik menjadi variogram yang robust terhadap pencilan [5]. Pada penelitian ini, data yang digunakan adalah rata-rata konsentrasi senyawa kimia gas polutan nitrogen dioksida (NO 2 ) di Kota Semarang dari tahun 2014 sampai Tujuan dalam penelitian ini adalah mengetahui model semivariogram terbaik untuk mengestimasi konsentrasi senyawa kimia gas NO 2 pada masing-masing Kelurahan di Kota Semarang.. 2. TINJAUAN PUSTAKA 2.1 Data Spasial Data spasial merupakan data yang berorientasi geografis dari suatu objek, berkaitan dengan lokasi, bentuk dan hubungan diantaranya dalam ruang bumi. Bentuk penyajian dalam data spasial mempunyai tiga cara dasar yaitu titik (point), garis (line), dan area (polygon) [1]. Data spasial dapat dibedakan menjadi 3 tipe berdasarkan jenis datanya, yaitu data geostatistik (geostatistical data), data area (lattice data), dan pola titik (point pattern) [5]. Geostatistika muncul pada awal tahun 1980-an yang merupakan gabungan dari ilmu teknik pertambangan, geologi, matematika, dan statistika [5]. Kelebihannya jika dibandingkan dengan pendekatan klasik yaitu bahwa geostatistika mampu memodelkan baik kecenderungan spasial (spatial trend) maupun korelasi spasial (spatial correlation). Data area berhubungan dengan daerah spasial karena merupakan kumpulan data atribut diskrit yang merupakan hasil dari perhitungan atau penjumlahan pada wilayah tertentu [5]. Data area dapat didefinisikan sebagai sebuah konsep dari garis tepi dan neighbour (tetangga sebelah). Pola titik akan timbul ketika sebuah variabel yang akan dianalisis pada lokasi kejadian [5]. Dalam hal ini, apakah lokasi kejadian yang akan diteliti menunjukan suatu keacakan spasial, cluster, atau keteratuan (regularity) sehingga dapat dilihat apakan pola titik yang terbentuk memiliki ketergantungan titik atau tidak. 2.2 Pencilan Spasial (Spatial Outlier) Pencilan spasial (spatial outlier) didefinisikan sebagai ketidakstabilan lokal atau objek spasial yang menggambarkan atribut non-spasial yang relatif ekstrim atau berbeda secara signifikan dari objek spasial lainnya dalam lingkup ketetanggaan [17]. Salah satu metode yang dapat digunakan untuk mendeteksi adanya pencilan spasial adalah spatial statistic Z test yang didefinisikan sebagai berikut : dengan,, i = 1, 2,, n (1) = selisih antara nilai amatan dari lokasi ke-i dengan rataan nilai amatan lokasi yang dekat dengan lokasi ke-i. = nilai mean dari = standar deviasi dari = nilai Z tabel untuk tingkat signifikansi tertentu JURNAL GAUSSIAN Vol. 5, No. 3, Tahun 2016 Halaman 322
3 Jika, maka nilai amatan dari lokasi ke-i dideteksi sebagai outlier. 2.3 Variogram dan Semivariogram Variogram merupakan karakteristik dari korelasi spasial, yaitu korelasi antara dua buah data spasial yang disebabkan oleh bertambahnya jarak dari data yang akan diambil sehingga menyebabkan korelasi antara dua buah data spasial menjadi berkurang ataupun tidak memiliki korelasi [5]. Simbol dari variogram adalah yang didefinisikan sebagai berikut: dimana, h = rentang jarak antara dua lokasi = nilai pengamatan pada lokasi = nilai pengamatan pada lokasi dengan penambahan jarak Semivariogram merupakan suatu perangkat statistik untuk memvisualisasi, memodelkan, dan menjelaskan korelasi spasial antara variabel random dan [5]. Semivariogram didefinisikan sebagai berikut : (3) Variogram dan semivariogran terdiri dari beberapa komponen, yaitu sebagai berikut: 1. Range Range adalah jarak semivariogram mencapai sebuah masa stabil atau sill. 2. Sill Sill adalah masa stabil semivariogram yang mencapai range. Nilai sill sama dengan nilai varian dari data. 3. Nugget Effect Nugget effect adalah lompatan vertical dari nilai 0 pada titik asal menuju nilai dari semivariogram pada jarak pemisah yang terkecil. Variogram eksperimental merupakan variogram yang diperoleh dari hasil pengukuran data spasial berdasarkan nilai pengamatan [5]. Variogram dirumuska sebagai berikut: (4) Sedangkan semivariogram eksperimental dirumuskan sebagai berikut: dengan, = nilai variogram dengan jarak = nilai semivariogram dengan jarak = nilai pengamatan pada lokasi ke-i = nilai pengamatan pada lokasi ke-i dengan penambahan jarak = banyak pasangan data yang memiliki jarak Setelah diperoleh komponen-komponen semivaiogram dari perhitungan nilai semivariogram eksperimental, dilakukan analisis lebih lanjut untuk mengganti semivariogram eksperimental menjadi semivariogram teoritis. Ada beberapa model semivariogram teoritis yang dapat digunakan sebagai pembanding dengan semivariogral eksperimental yaitu sebagai berikut [13] : (2) (5) JURNAL GAUSSIAN Vol. 5, No. 3, Tahun 2016 Halaman 323
4 1. Model Spherical (7) 2. Model Eksponensial 3. Model Gaussian dengan, = jarak lokasi sampel = sill = range (8) (9) 2.4 Kriging Kriging merupakan analisis data geostatistika yang digunakan untuk mengestimasi besarnya nilai yang mewakili suatu titik yang tidak tersampel berdasarkan titik titik tersampel yang berada di sekitarnya dengan mempertimbangkan korelasi spasial yang ada dalam data tersebut [1]. Metode kriging dibagi menjadi tiga jenis kriging pokok, yaitu Simple Kriging, Ordinary Kriging, dan Kriging with a Trend [4]. 1. Simple Kriging Pada metode simple kriging diasumsikan bahwa mean atau rata-rata sudah diketahui dan memunyai nilai yang konstan. Metode ini dapat dikembangkan lagi, dimana data spasial yang akan diestimasi akan dipartisi menjadi beberapa bagian yang disebut metode sequential kriging. 2. Ordinary Kriging Ordinary kriging merupakan metode kriging yang paling sederhana pada geostatistika. Pada metode ini mempunyai asumsi bahwa rata-rata (mean) dari populasi tidak diketahui tetapi konstant. Data spasial yang digunakan dalam metode ordinary kriging harus tidak mengandung trend. Selain itu, data yang digunakan juga tidak mengandung pencilan (outlier). 3. Kriging with a Trend Kriging with a Trend atau yang biasa disebut dengan universal kriging merupakan metode kriging yang mempunyai kecenderungan trend dan merupakan bentuk umum dari simple kriging. Metode kriging with a trend ini digunakan untuk menangani masalah kenonstasioneran dari data yang diambil. 2.5 Robust Kriging Metode robust kriging merupakan pengembangan dari metode ordinary kriging yang mentransformasi bobot semivariogram klasik menjadi semivariogram yang robust terhadap pencilan dalam data [5]. Berbeda dengan perhitungan semivariogram klasik, untuk mengakomodir adanya pencilan dalam data spasial maka digunakan variogram robust yang didefinisikan sebagai berikut: Sehingga model semivariogram robust dapat dirumuskan sebagai berikut : (10) (11) JURNAL GAUSSIAN Vol. 5, No. 3, Tahun 2016 Halaman 324
5 dengan, = nilai variogram robust dengan jarak = nilai semivariogram robust dengan jarak = lokasi ke-i = nilai pengamatan pada lokasi ke-i = lokasi ke-i dengan penambahan jarak = nilai pengamatan pada lokasi ke-i dengan penambahan jarak = rentang jarak antara dua lokasi = banyak pasangan data yang memiliki jarak 2.6 Estimasi Robust Kriging Pada proses estimasi data spasial, semivariogram teoritis hasil dari analisis struktural dengan nilai MSE terkecil akan digunakan untuk menentukan bobot dari lokasilokasi yang tersampel terhadap lokasi yang akan diestimasi. Besarnya nilai bobot pada lokasi tersampel dapat dituliskan dalam notasi matriks sebagai berikut [13] : (12) (13) Matriks merupakan matriks nonsingular, yaitu sebuah matriks bujur sangkar dan det( ) 0 sehingga diperoleh persamaan sebagai berikut: (14) dimana, = nilai bobot dari semua lokasi tersampel = invers dari matriks semivariogram teoritis dari lokasi tersampel = matriks semivariogram teoritis dari lokasi tidak tersampel = nilai semivariogram teoritis dengan jarak antara lokasi ke-i dan ke-j dari loksi tersampel = nilai semivariogram teoritis dengan jarak antara lokasi tersampel dan tidak tersampel Estimasi kriging merupakan kombinasi linier, yaitu penjumlahan dari hasil kali anggota himpunan pasangan berurutan dari variabel yang tersampel dalam data spasial yang dirumuskan sebagai berikut : dengan, = nilai estimasi pada suatu lokasi = koefisien bobot dari, dengan = nilai pengamatan pada lokasi ke-i = banyak sampel yang digunakan dalam mengestimasi JURNAL GAUSSIAN Vol. 5, No. 3, Tahun 2016 Halaman 325
6 3. METODE PENELITIAN 3.1 Sumber Data Data yang digunakan pada penulisan tugas akhir ini berupa data sekunder tentang hasil pengukuran kualitas udara ambien di Kota Semarang dari tahun 2014 sampai Data tersebut diperoleh dari Badan Lingkungan Hidup (BLH) Kota Semarang yang berjumlah 28 data yang terdiri dari titik koordinat (X,Y) dan kandungan senyawa kimia gas nitrogen dioksida (NO 2 ) di udara. Pada penelitian ini data yang digunakan yaitu rata-rata hasil pegukuran kualitas udara ambien dari tahun 2014 sampai Variabel Penelitian Penelitian ini menggunakan 3 variabel sebagai berikut : X : Titik koordinat (bujur) Y : Titik koordinat (lintang) NO 2 : Kandungan NO 2 di udara (µgr/m 3 ) 3.3 Langkah Analisis Data Langkah-langkah yang dilakukan untuk mencapai tujuan dalam penelitian ini adalah sebagai berikut : 1. Menganalisis data secara deskriptif. 2. Mencari titik-titik yang saling berdekatan. 3. Mendeteksi data pencilan untuk mengetahui apakah data yang digunakan mengandung pencilan atau tidak. 4. Menghitung nilai semivariogram eksperimental yang mengakomodir adanya pencilan. Dalam hal ini semivariogram yang digunakan adalah semivariogram robust. 5. Menghitung nilai semivariogram teoritis berdasarkan nilai sill dan range yang diperoleh dari perhitungan semivariogram robust. 6. Melakukan analisis struktural dengan melihat plot semivariogram robust yang paling mendekati plot semivariogram teoritis. Selain itu, juga dapat dilakukan dengan membandingkan nilai Mean Square Error (MSE) untuk ketiga model semivariogram teoritis dan menentukan model terbaik dengan cara memilih nilai Mean Square Error (MSE) yang terkecil. 7. Menghitung nilai bobot untuk lokasi yang belum tersampel dengan menggunakan model semivariogram teoritis yang terbaik. 8. Melakukan estimasi kadar NO 2 menggunakan robust kriging. 4. HASIL DAN PEMBAHASAN 4.1 Deskripsi Data Variabel Min Max Mean Var Std. Dev NO 2 3,32 64,13 18,55 235,05 15,33 Berdasarkan tabel diatas dapat dilihat bahwa konsentrasi senyawa kimia gas NO 2 minimum sebesar 3,32 μgr/m 3 yang terletak di koordinat (110,4089; 7,00431) terdapat di Kantor Kecamatan Gajah Mungkur. Konsentrasi maksimum senyawa kimia ga NO 2 sebesar 64,13 μgr/m 3 terletak di koordinat (110,4232; 6,99189) terdapat di Kawasan Simpang Lima. Rata-rata konsentrasi senyawa kimia gas NO 2 sebesar 18,55 μgr/m 3 dengan nilai varian sebesar 235,05 μgr/m 3 dan standar deviasi sebesar 15,33 μgr/m 3 JURNAL GAUSSIAN Vol. 5, No. 3, Tahun 2016 Halaman 326
7 4.2 Pendeteksian Outlier Spasial Langkah pertama yaitu menentukan matriks jarak untuk titik-titik tersampel dengan menggunakan jarak euclide, kemudian menentukan titik-titik yang saling berdekatan. Dua titik dapat diasumsikan berdekatan apabila selisih jarak antara dua titik tersebut kurang dari nilai = 0, Setelah itu menghitung nilai dari yang dirumuskan sebagai berikut:, i = 1, 2,, n Apabila nilai > maka dapat dikatakan nilai amatan lokasi ke-i merupakan pencilan. Berdasarkan perhitungan yang dilakukan dengan taraf signifikansi α = 5% dapat disimpulkan bahwa terdapat dua data yang merupakan outlier, yaitu pada pos ke-17 yang terletak di Kawasan Simpang Lima dan pada pos ke-21 yang terletak di Jalan Kaligawe. 4.3 Menghitung Semivariogram Robust Untuk menentukan nilai semivariogram robust maka pasangan data tersebut akan dibagi menjadi beberapa kelas menggunakan persamaan sturge sehingga diperoleh sebanyak 6 kelas. Kemudian dihitung nilai semivariogram robust untuk 6 kelas menggunakan persamaan (11) sebagai berikut: Sehingga diperoleh nilai semivariogram robust sebagai berikut: Kelas Jarak Semivariogram ( ) 1 0, , , , , , , , , , , , , , , , , ,99761 Langkah selanjutnya adalah menentukan komponen dari semivariogram yaitu sill dan range. Nilai sill diperoleh dari varian data, yaitu sebesar 235, Sedangkan nilai range diperoleh dari nilai tengah jarak dari suatu kelas yang nilai semivariogramnya mendekati nilai sill yaitu sebesar 0, Menghitung Model Semivariogram Teoritis Ada beberapa model semivariogram teoritis yang dapat digunakan untuk membandingkan dengan semivariogram robust, yaitu model spherical, exponential, dan gaussian. Ketiga model tersebut akan digunakan pada setiap kelas sehingga diperoleh nilai-nilai semivariogram teoritis untuk masing-masing kelas sebagai berikut: Kelas Jarak ( ) Spherical Exponential Gaussian 1 0, , , , , , , , , , , , , , , , , , , , , , , ,43002 JURNAL GAUSSIAN Vol. 5, No. 3, Tahun 2016 Halaman 327
8 4.5 Analisis Struktural Analisis struktural merupakan proses pencocokan antara semivariogram robust dengan semivariogram teoritis. Secara visual analisis struktural dapat dilakukan dengan melihat plot dari kedua semivariogram tersebut. Selain itu untuk mengetahui semivariogram teoritis yang terbaik dapat digunakan perbandingan nilai MSE sebagai berikut: Kelas Jarak (h) Robust Spherical Error 2 1 0, , , , , , , , , , , , , , , , , , , , , , , ,347 MSE 9587,296 Kelas Jarak (h) Robust Exponential Error 2 1 0, , , , , , , , , , , , , , , , , , , , , , , ,752 MSE 7627,068 Kelas Jarak (h) Robust Gaussian Error 2 1 0, , , , , , , , , , , , , , , , , , , , , , ,431 MSE 10955,978 Berdasarkan hasil perhitungan nilai MSE diatas maka dapat disimpulkan bahwa model semivariogram yang terbaik adalah model exponential dengan nilai MSE terkecil sebesar 7627,068. Sehingga model model exponential yang akan digunakan untuk melakukan estimasi. 4.6 Estimasi Konsentrasi Gas NO 2 Estimasi konsentrasi gas NO 2 akan dilakukan pada kelurahan Pleburan Kecamatan Semarang Selatan dengan titik koordinat (110,42357; 6,99603). Langkah pertama menentukan nilai bobot dari semua titik tersampel diperoleh dari perkalian antara matriks dengan matriks yang tertera pada persamaan (14) dengan menggunakan semivariogram teoritis model exponential. Nilai bobot dari 28 titik sampel tersebut akan digunakan untuk mengestimasi konsentrasi senyawa kimia gas NO 2 pada kelurahan Pleburan dengan titik koordinat (110,42357; 6,99603) menggunakan persamaan (15) sebagai berikut: JURNAL GAUSSIAN Vol. 5, No. 3, Tahun 2016 Halaman 328
9 I X Y (NO 2 ) 1 110, , ,32-0, , , , ,50-0, , , , ,80 0, , , , ,08-0, , , , ,19-0, , , , ,84 0, , ,17318 Sehingga diperoleh konsentrasi senyawa kimia gas NO 2 pada Kelurahan Pleburan Kecamatan Semarang Selatan sebesar 49,17318 μgr/m 3. Langkah yang sama juga dilakukan untuk mengestimasi konsentrasi senyawa kimia gas NO 2 pada semua kelurahan di Kota Semarang. Nilai estimasi konsentrasi senyawa kimia gas NO 2 sebagai berikut: No Kelurahan X Y Konsentrasi Gas NO 2 1 Pleburan 110, , , Peterongan 110, , , Wonodri 110, , , Randusari 110, , , Barusari 110, , , Tugu Rejo 110, , , KESIMPULAN Berdasarkan hasil dan pembahasan menggunakan metode robust kriging untuk mengestimasi konsentrasi senyawa kimia gas NO 2 di Kota Semarang, maka dapat diperoleh kesimpulan sebagai berikut: 1. Terdapat dua data yang merupakan outlier, yaitu pada pos ke-17 yang terletak di Kawasan Simpang Lima pada koordinat (110,42317; 6,99189) dan pada pos ke-21 yang terletak di Jalan Kaligawe pada koordinat (110,47183; 6,95467). 2. Dari hasil perhitungan semivariogram robust diperoleh nilai sill sebesar 235,04631 dan range sebesar 0, Dari analisis struktural diperoleh model semivariogram teoritis yang paling mendekati model semivariogram robust dari data konsentrasi senyawa kimia gas NO 2 di Kota Semarang adalah semivariogram teoritis model exponential. 4. Hasil estimasi konsentrasi senyawa kimia gas NO 2 menggunakan metode robust kriging tertinggi berada di Kelurahan Pleburan Kecamatan Semarang Selatan pada koordinat (110,42357; 6,99603) sebesar 49,17318 μgr/m 3, dan konsentrasi terendah berada di Kelurahan Kudu Kecamatan Genuk dengan titik koordinat (110,4997; 6,96801) sebesar 6,57592 μgr/m Berdasarkan Peraturan Pemerintah Nomor 41 tahun 1999, baku mutu udara ambien nasional untuk senyawa kimia gas NO 2 sebesar 100 μgr/m 3 sehingga dapat disimpulkan konsentrasi senyawa kimia gas NO 2 di Kota Semarang masih dalam batas tidak membahayakan. JURNAL GAUSSIAN Vol. 5, No. 3, Tahun 2016 Halaman 329
10 DAFTAR PUSTAKA [1] Awali, A. A., Yasin, H., dan Rahmawati, R Estimasi Kandungan Hasil Tambang Menggunakan Ordinary Indicator Kriging. Jurnal Gaussian Vol. 2, No.1: Hal [2] Bahtiyar, A. D. R., Hoyyi, A., dan Yasin, H Ordinary Kriging dalam Estimasi Curah Hujan di Kota Semarang. Jurnal Gaussian Vol. 3, No. 2: Hal [3] Bohling, G Introduction to Geostatistics and Variogram Analysis. Diakses: 1 Februari [4] Bohling, G Kriging. Diakses: 9 Februari [5] Cressie, N. A. C Statistics For Spatial Data. New York: John Wiley and Sons, Inc. [6] Cressie, N. A. C. and Hawkins, D. M Robust Estimation of Variogram. Mathematical Geology Vol. 12, No. 2: Hal [7] Cressie, N. A. C. and Hawkins, D. M Robust Kriging A Proposal. Mathematical Geology Vol. 16, No. 1: Hal [8] Faisal, F. dan Rizal, J Kajian Pemilihan Model Semivariogram Terbaik Pada Data Spasial (Studi Kasus: Data Ketebalan Batubara Pada Lapangan Eksplorasi X). Jurnal Gradien Vol. 8, No.1: Hal [9] Fernandes, G. and Calderon, A Spatial Regression Analysis vs. Kriging Methods for Spatial Estimation. Int Adv Econ Res 15: Hal [10] Fridayani, N. M. S., Kencana, P. E. N., dan Sukarsa, K. G Perbandingan Interpolasi Spasial Dengan Metode Ordinary dan Robust Kriging pada Data Spasial Berpencilan (Studi Kasus: Curah Hujan di Kabupaten Karangasem). E-Jurnal Matematika Vol.1, No.1: Hal [11] Genton, M. G. and Furrer, R Analysis of Rainfall Data bya Robust Spatial Statistics S+SPATIALSTATS. Jurnal of Geographic Information and Decision Analysis Vol.2, No.2: Hal [12] Hawkins, D. M Identification Outliers. Chapman and Hall. [13] Isaaks, E. H. and Srivastava, R. M Applied Geostatistics. New York: Oxford University Press, Inc. [14] Kusumawardani, D. S., Sudarno, dan Yasin, H Simulasi Pengukuran Ketepatan Model Variogram Pada Metode Ordinary Kriging dengan Teknik Jackknife. Jurnal Gaussian Vol. 3, No. 3: Hal [15] Makkulau, Linuwih, S., Purhadi, dan Mashuri, M Pendeteksian Outlier dan Penentuan Faktor-Faktor yang Mempengaruhi Produksi Gula dan Tetes Tebu dengan Metode Likelihood Displacement Statistic-Lagrange. Jurnal Teknik Industri Vol. 12, No.2: Hal [16] Prahutama, A Estimasi Kandungan DO (Dissolved Oxygen) di Kali Surabaya dengan Metode Kriging. Statistika Vol. 1, No. 2 [17] Shekhtar, S., Lu, C. T., and Zhang, P Unified Approach to Detecting Spatial Outliers. GeoInformatica 7:2, Hal [18] Suharto, I Limbah Kimia dalam Pencemaran Udara dan Air. Yogyakarta: Andi. [19] Republik Indonesia Peraturan Pemerintah Nomor 41 Tahun 1999, tentang Pengendalian Pencemaran Udara. Jakarta: Sekretariat Negara. [20] Wardhana, W. A Dampak Pencemaran Lingkungan. Edisi Revisi. Yogyakarta: Andi. JURNAL GAUSSIAN Vol. 5, No. 3, Tahun 2016 Halaman 330
METODE ROBUST KRIGING UNTUK MENGESTIMASI DATA SPASIAL BERPENCILAN
METODE ROBUST KRIGING UNTUK MENGESTIMASI DATA SPASIAL BERPENCILAN (Studi Kasus: Pencemaran Udara Gas NO 2 di Kota Semarang) SKRIPSI Disusun Oleh : ANJAN SETYO WAHYUDI 24010212130055 DEPARTEMEN STATISTIKA
Lebih terperinciSIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 333-342 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY
Lebih terperinciPENERAPAN METODE ORDINARY KRIGING PADA PENDUGAAN KADAR NO 2 DI UDARA (Studi Kasus: Pencemaran Udara di Kota Semarang)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 113-121 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN METODE ORDINARY KRIGING PADA PENDUGAAN KADAR NO 2
Lebih terperinciPENERAPAN METODE ORDINARY KRIGING PADA PENDUGAAN KADAR NO 2 DI UDARA
PENERAPAN METODE ORDINARY KRIGING PADA PENDUGAAN KADAR NO 2 DI UDARA (Studi Kasus : Pencemaran Udara di Kota Semarang) SKRIPSI Disusun Oleh : GERA ROZALIA 24010211130050 JURUSAN STATISTIKA FAKULTAS SAINS
Lebih terperinciSIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE. Oleh : DEWI SETYA KUSUMAWARDANI
SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE Oleh : DEWI SETYA KUSUMAWARDANI 24010210120007 Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciBAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk
BAB III PEMBAHASAN 3.1. Kriging Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk menonjolkan metode khusus dalam moving average terbobot (weighted moving average) yang meminimalkan variansi
Lebih terperinciORDINARY KRIGING DALAM ESTIMASI CURAH HUJAN DI KOTA SEMARANG
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 151-159 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ORDINARY KRIGING DALAM ESTIMASI CURAH HUJAN DI KOTA SEMARANG
Lebih terperinciKajian Pemilihan Model Semivariogram Terbaik Pada Data Spatial (Studi Kasus : Data Ketebalan Batubara Pada Lapangan Eksplorasi X)
Jurnal Gradien Vol 8 No Januari 0: 756-76 Kajian Pemilihan Semivariogram Terbaik Pada Data Spatial (Studi Kasus : Data Ketebalan Batubara Pada Lapangan Eksplorasi X) Fachri Faisal dan Jose Rizal Jurusan
Lebih terperinciGEOSTATISTIK MINERAL MATTER BATUBARA PADA TAMBANG AIR LAYA
GEOSTATISTIK MINERAL MATTER BATUBARA PADA TAMBANG AIR LAYA 1 Surya Amami P a, Masagus Ahmad Azizi b a Program Studi Pendidikan Matematika FKIP UNSWAGATI Jl. Perjuangan No 1 Cirebon, amamisurya@gmail.com
Lebih terperinciANALISIS DATA GEOSTATISTIK MENGGUNAKAN METODE ORDINARY KRIGING
ANALISIS DATA GEOSTATISTIK MENGGUNAKAN METODE ORDINARY KRIGING Oleh: Wira Puspita (1) Dewi Rachmatin (2) Maman Suherman (2) ABSTRAK Geostatistika merupakan suatu jembatan antara statistika dan Geographic
Lebih terperinciJurusan Matematika, Fakultas MIPA, Universitas Udayana
PERBANDINGAN INTERPOLASI SPASIAL DENGAN METODE ORDINARY DAN ROBUST KRIGING PADA DATA SPASIAL BERPENCILAN (Studi Kasus: Curah Hujan di Kabupaten Karangasem) NI MADE SUMA FRIDAYANI 1, I PUTU EKA NILA KENCANA
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 1-10 Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 1-10 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ESTIMASI KANDUNGAN HASIL TAMBANG MENGGUNAKAN ORDINARY INDICATOR KRIGING Aldila
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia adalah salah satu negara yang memiliki sumber daya alam yang melimpah, khususnya bahan tambang seperti mineral. Salah satu mineral yang sering digunakan oleh
Lebih terperinciINTERPOLASI ORDINARY KRIGING DALAM ESTIMASI CURAH HUJAN DI KOTA SEMARANG
INTERPOLASI ORDINARY KRIGING DALAM ESTIMASI CURAH HUJAN DI KOTA SEMARANG SKRIPSI Disusun Oleh: Ahmat Dhani Riau Bahtiyar NIM. J2E 008 002 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciBAB I PENDAHULUAN. memiliki sebuah hubungan, misalnya ilmu alam yang berkaitan erat dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia ilmu pengetahuan, antara satu ilmu dengan ilmu yang lainnya memiliki sebuah hubungan, misalnya ilmu alam yang berkaitan erat dengan matematika karena keduanya
Lebih terperinciSeminar Hasil Tugas Akhir (Rabu, 16 Juli 2014)
Seminar Hasil Tugas Akhir (Rabu, 16 Juli 2014) Interpolasi Nilai Property Reservoir Di Lapangan Z Perairan Laut Jawa Dengan Metode Ordinary Kriging dan Cokriging Oleh : Nur Anisyah (1310100012) Pembimbing
Lebih terperinciPrediksi Curah Hujan dengan Model Deret Waktu dan Prakiraan Krigging pada 12 Stasiun di Bogor Periode Januari Desember 2014.
Jur. Ris. & Apl. Mat. Vol. 1 (2017), no. 1, 1-52 Jurnal Riset dan Aplikasi Matematika e-issn: 2581-0154 URL: journal.unesa.ac.id/index.php/jram Prediksi Curah Hujan dengan Model Deret Waktu dan Prakiraan
Lebih terperinciJurusan Ilmu Komputasi, Fakultas Informatika Universitas Telkom, Bandung
PREDIKSI KANDUNGAN BATUBARA PADA DAERAH DISEKITAR TAMBANG BATUBARA MENGGUNAKAN METODE UNIVERSAL KRIGING Muhammad Gentur Witjaksono, Sri Suryani, Rian Febrian Umbara Jurusan Ilmu Komputasi, Fakultas Informatika
Lebih terperinciEstimasi Produksi Minyak dan Gas Bumi di Kalimantan Utara Menggunakan Metode Cokriging
D-426 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) Estimasi Produksi Minyak dan Gas Bumi di Kalimantan Utara Menggunakan Metode Cokriging Eka Oktaviana Romaji, I Nyoman Latra,
Lebih terperinciE-Jurnal Matematika Vol. 4 (1), Januari 2015, pp ISSN:
INTERPOLASI SPASIAL DENGAN METODE ORDINARY KRIGING MENGGUNAKAN SEMIVARIOGRAM ISOTROPIK PADA DATA SPASIAL (Studi Kasus: Curah Hujan di Kabupaten Karangasem) Putu Mirah Purnama D 1, Komang Gde Sukarsa 2,
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
Lebih terperinciPROSIDING TPT XXV PERHAPI 2016 MASALAH PENCOCOKAN MODEL VARIOGRAM PADA PENAKSIRAN KADAR MEMAKAI METODE GEOSTATISTIKA
MASALAH PENCOCOKAN MODEL VARIOGRAM PADA PENAKSIRAN KADAR MEMAKAI METODE GEOSTATISTIKA Waterman Sulistyana Bargawa Magister Teknik Pertambangan UPN Veteran Yogyakarta Email: waterman.sulistyana@gmail.com
Lebih terperinciBAB 4 ANALISIS DAN BAHASAN. Eksplorasi PGA adalah langkah pertama dalam menghitung kriging. PGA
BAB 4 ANALISIS DAN BAHASAN 4.1. Hasil Analisis Data dan Bahasan 4.1.1. Eksplorasi PGA Eksplorasi PGA adalah langkah pertama dalam menghitung kriging. PGA menunjukkan seberapa sering gempa terjadi disuatu
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH
GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH SKRIPSI Disusun Oleh : NURMALITA SARI 240102120008 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciBAB 1 PENDAHULUAN 1.1 LATAR BELAKANG
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Indonesia merupakan negara terluas didunia dengan total luas negara 5.193.250km 2 (mencakup daratan dan lautan). Hal ini menempatkan Indonesia sebagai negara terluas
Lebih terperinciMetode Ordinary Kriging Blok pada Penaksiran Ketebalan Cadangan Batubara (Studi Kasus : Data Ketebalan Batubara pada Lapangan Eksplorasi X)
Kumpulan Makalah Seminar Semirata 2013 Fakultas MIPA Universitas Lampung Metode Ordinary Kriging Blok pada Penaksiran Ketebalan Cadangan Batubara (Studi Kasus : Data Ketebalan Batubara pada Lapangan Eksplorasi
Lebih terperinciPEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION
PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION SKRIPSI Disusun Oleh : DEPY VERONICA 24010212140035 DEPARTEMEN STATISTIKA
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciII TINJAUAN PUSTAKA. Geostatistik adalah metode statistik yang digunakan untuk melihat hubungan
4 II TINJAUAN PUSTAKA 2.1 Geostatistik Geostatistik adalah metode statistik yang digunakan untuk melihat hubungan antar variabel yang diukur pada titik tertentu dengan variabel yang sama diukur pada titik
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciPRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Statistika Spasial Kode/SKS: SS / (2/1/0) Dosen : Sutikno Semester : VII
RP-S1-SLK-01 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 5 A. CAPAIAN PEMBELAJARAN : CP 5.2 : Mampu menganalisis data di bidang Statistika Lingkungan dan Kesehatan, serta bidang lainnya
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
xiii BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia memiliki kekayaan alam yang luar biasa dalam hal bahan-bahan tambang seperti emas, batubara, nikel gas bumi dan lain lain. Batubara merupakan salah satu
Lebih terperinciGEOSTATISTIKA. Peranan Geostatistik dalam Kegiatan Eksplorasi Sumber Daya Alam
GEOSTATISTIKA Peranan Geostatistik dalam Kegiatan Eksplorasi Sumber Daya Alam Oleh : Ristio Efendi 270110120047 Geologi E FAKULTAS TEKNIK GEOLOGI UNIVERSITAS PADJADJARAN Peranan Geostatistik dalam Kegiatan
Lebih terperinciPEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI RIDGE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 123-132 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN
Lebih terperinciMODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES
PTNBR - BATAN Bandung, 04 Juli 013 MODEL REGRESI KANDUNGAN BATUBARA MENGGUNAKAN METODE LEAST MEDIAN OF SQUARES Kankan Parmikanti 1, Endang Rusyaman 1 dan Emah Suryamah 1 1 Jurusan Matematika FMIPA Universitas
Lebih terperinci(M.7) PEMETAAN ESTIMASI ANGKA PENGANGGURAN DENGAN COKRIGING (STUDI KASUS KOTA GORONTALO TAHUN 2011)
(M.7) PEMETAAN ESTIMASI ANGKA PENGANGGURAN DENGAN COKRIGING (STUDI KASUS KOTA GORONTALO TAHUN 2011) Basuki Rahmat 1, Sutawanir Darwis 2, Bertho Tantular 3 1. Mahasiswa Pascasarjana Program Studi Statistika
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Berdasarkan bobot yang digunakan, hasil kontur yang dihasilkan akan berbeda untuk masing-masing metode interpolasi. Bentuk konturnya ditampilkan pada Gambar 6 sampai
Lebih terperinciMETODE ORDINARY KRIGING PADA GEOSTATISTIKA
METODE ORDINARY KRIGING PADA GEOSTATISTIKA SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi sebagian persyaratan guna memperoleh gelar
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 295-304 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN DISKRIMINAN KUADRATIK KLASIK DAN DISKRIMINAN KUADRATIK
Lebih terperinciPERAMALAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE KOYCK DAN ALMON
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 91-97 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE
Lebih terperinciPERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 535-544 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK
Lebih terperinciPEMODELAN HARGA TANAH KOTA BATAM DENGAN MENGGUNAKAN METODE UNIVERSAL KRIGING
PEMODELAN HARGA TANAH KOTA BATAM DENGAN MENGGUNAKAN METODE UNIVERSAL KRIGING Hari Yudha Fanani 1, Sri Suryani 2, Yuliant Sibaroni 3 1,2,3 Prodi Ilmu Komputasi-Telkom University, Bandung 1 no.yudha@gmail.com,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciSKRIPSI. Oleh: RENGGANIS PURWAKINANTI
APLIKASI METODE MOMEN MOMEN PROBABILITAS TERBOBOTI UNTUK ESTIMASI PARAMETER DISTRIBUSI PARETO TERAMPAT PADA DATA CURAH HUJAN (Studi Kasus Data Curah Hujan Kota Semarang Tahun 2004-2013) SKRIPSI Oleh: RENGGANIS
Lebih terperinci(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN
4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan
Lebih terperinciPENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) SKRIPSI Disusun Oleh : SINDY SAPUTRI 24010210141007 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciBAB IV ANALISIS DATA. Data yang digunakan dalam tugas akhir ini adalah data eksplorasi
BAB IV ANALISIS DATA 4. DATA Data yang digunakan dalam tugas akhir ini adalah data eksplorasi kandungan cadangan bauksit di daerah penambangan bauksit di Mempawah pada blok AIII-h5 sebanyak 8 titik eksplorasi.
Lebih terperinciPEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA)
PEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA) SKRIPSI Disusun Oleh : NOVIKA PRATNYANINGRUM 24010211140095
Lebih terperinciPENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI
PENERAPAN METODE BOOTSTRAP RESIDUAL DALAM MENGATASI BIAS PADA PENDUGA PARAMETER ANALISIS REGRESI Ni Made Metta Astari 1, Ni Luh Putu Suciptawati 2, I Komang Gde Sukarsa 3 1 Jurusan Matematika, Fakultas
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciDeteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013)
Deteksi Pencilan dengan Pendekatan Bayesian pada Regresi Linear (Studi Kasus Hubungan Pengeluaran Rumah Tangga dengan PDRB di Jawa Barat Tahun 2013) Dwiningrum Prihastiwi, Dadang Juandi, Nar Herrhyanto
Lebih terperinciMODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang.
MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL Winda Faati Kartika 1, Triastuti Wuryandari 2 1, 2) Program Studi Statistika Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman 209-218 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGAMBILAN SAMPEL BERDASARKAN PERINGKAT PADA ANALISIS REGRESI LINIER SEDERHANA
Lebih terperinciPengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust
Pengaruh Outlier Terhadap Estimator Parameter Regresi dan Metode Regresi Robust I GUSTI AYU MADE SRINADI Jurusan Matematika Universitas Udayana, srinadiigustiayumade@yahoo.co.id Abstrak. Metode kuadrat
Lebih terperinciPEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION
PEMODELAN PROPORSI PENDUDUK MISKIN KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION SKRIPSI Disusun Oleh : Khusnul Yeni Widiyanti 24010210130070
Lebih terperinciPENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA
PENERAPAN BOOTSTRAP DALAM METODE MINIMUM COVARIANCE DETERMINANT (MCD) DAN LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI LINIER BERGANDA Ni Putu Iin Vinny Dayanti 1, Ni Luh Putu Suciptawati 2, Made
Lebih terperinciPERBANDINGAN METODE INVERSE DISTANCE WEIGHTED (IDW) DENGAN METODE ORDINARY KRIGING UNTUK ESTIMASI SEBARAN POLUSI UDARA DI BANDUNG
PERBANDINGAN METODE INVERSE DISTANCE WEIGHTED (IDW) DENGAN METODE ORDINARY KRIGING UNTUK ESTIMASI SEBARAN POLUSI UDARA DI BANDUNG Aditya Faudzan 1, Sri Suryani 2, Tuti Budiawati 3 12 Prodi Ilmu Komputasi
Lebih terperinciPEMODELAN KUALITAS AIR DI KAWASAN PEGUNUNGAN KENDENG DENGAN PENDEKATAN ORDINARY KRIGING DAN GEOGRAPHIC INFORMATION SYSTEM (GIS)
PEMODELAN KUALITAS AIR DI KAWASAN PEGUNUNGAN KENDENG DENGAN PENDEKATAN ORDINARY KRIGING DAN GEOGRAPHIC INFORMATION SYSTEM (GIS) Juwita Rahayu, 2 Tiani Wahyu Utami, 3 Rochdi Wasono,2,3 Program Studi Statistika
Lebih terperinci*Corresponding Author :
Analisis Persebaran Lapisan Batubara Dengan Menggunakan Metode Ordinary Kriging Di Pit S11gn Pt. Kitadin Desa Embalut Kabupaten Kutai Kartanegara Kalimantan Timur E ed Tri Giandari Bhakti 1, Kadek Subagiada
Lebih terperinciPERBANDINGAN METODE INVERSE DISTANCE WEIGHTED (IDW) DENGAN METODE ORDINARY KRIGING UNTUK ESTIMASI SEBARAN POLUSI UDARA DI BANDUNG
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6726 PERBANDINGAN METODE INVERSE DISTANCE WEIGHTED (IDW) DENGAN METODE ORDINARY KRIGING UNTUK ESTIMASI SEBARAN POLUSI UDARA
Lebih terperinciANALISIS KOMPONEN UTAMA DENGAN MENGGUNAKAN MATRIK VARIAN KOVARIAN YANG ROBUST
ANALISIS KOMPONEN UTAMA DENGAN MENGGUNAKAN MATRIK VARIAN KOVARIAN YANG ROBUST Irwan Sujatmiko, Susanti Linuwih, dan Dwi Atmono A.W. Jurusan Statistika ITS Kampus ITS Sukolilo Surabaya 6 Abstract. The present
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciREGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA
REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA SKRIPSI Disusun Oleh : SHERLY CANDRANINGTYAS J2E 008 053 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciPERBANDINGAN REGRESI METODE ROBUST DENGAN METODE OLS STUDY KASUS PENGARUH INFLASI DAN PDRB TERHADAP PENGANGGURAN TERBUKA DI PROVINSI JAWA TEGAH
PERBANDINGAN REGRESI METODE ROBUST DENGAN METODE STUDY KASUS PENGARUH INFLASI DAN PDRB TERHADAP PENGANGGURAN TERBUKA DI PROVINSI JAWA TEGAH Rofiqoh Istiqomah (1), Abdul Karim (2) 1, email: Rofiqohistiq15@gmail.com
Lebih terperinciPEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION
PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN FUNGSI PEMBOBOT FIXED GAUSSIAN KERNEL DAN ADAPTIVE GAUSSIAN KERNEL (Studi Kasus Laju Pertumbuhan Penduduk Provinsi Jawa Tengah) SKRIPSI
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 1-10 Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 1-10 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMISAHAN DESA/KELURAHAN DI KABUPATEN SEMARANG MENURUT STATUS DAERAH
Lebih terperinciPERBANDINGAN REGRESI ROBUST DENGAN OLS PADA PRODUKSI UBI JALAR PROVINSI JAWA TENGAH TAHUN 2015
PERBANDINGAN REGRESI ROBUST DENGAN PADA PRODUKSI UBI JALAR PROVINSI JAWA TENGAH TAHUN 2015 Endah Suryaningsih Utami 1), Abdul Karim 2) 1 Program Studi Strata Statistika,, Universitas Muhammadiyah Semarang
Lebih terperinciEstimasi Parameter pada Regresi Spatial Error Model (SEM) yang Memuat Outlier menggunakan Iterative Z Algorithm
PRISMA 1 (2018) https://journal.unnes.ac.id/sju/index.php/prisma/ Estimasi Parameter pada Regresi Spatial Error Model (SEM) yang Memuat Outlier menggunakan Iterative Z Algorithm Yulia Sari, Nur Karomah
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung) SKRIPSI Oleh : VICA NURANI 24010211130033 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 957-966 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PREDIKSI NILAI KURS DOLLAR AMERIKA MENGGUNAKAN EXPONENTIAL SMOOTHING
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciPERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 917-96 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN
Lebih terperinciPemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process
Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi
Lebih terperinciEFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH
EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 907-916 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN REGRESI LINIER MULTIVARIAT DENGAN METODE PEMILIHAN
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk mengetahui hubungan satu arah antara variabel prediktor dan variabel respon yang umumnya dinyatakan
Lebih terperinciANALISIS PENGARUH KURS RUPIAH TERHADAP INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN DISTRIBUTED LAG MODEL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 221-227 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PENGARUH KURS RUPIAH TERHADAP INDEKS HARGA SAHAM GABUNGAN
Lebih terperinciSKRIPSI JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
APLIKASI MODEL REGRESI SPASIAL UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH SKRIPSI Oleh: Restu Dewi Kusumo Astuti NIM : J2E009002 JURUSAN STATISTIKA
Lebih terperinciPERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS
E-Jurnal Matematika Vol. 4 (1), Januari 2015, pp. 8-13 ISSN: 2303-1751 PERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS Ni Wayan Yuni Cahyani 1, I Gusti
Lebih terperinciPERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH
PERBANDINGAN MODEL GWR DENGAN FIXED DAN ADAPTIVE BANDWIDTH UNTUK PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH SKRIPSI Disusun Oleh: RIFKI ADI PAMUNGKAS 24010212140066 DEPARTEMEN STATISTIKA FAKULTAS SAINS
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI LAJU PERTUMBUHAN PENDUDUK KOTA SEMARANG TAHUN 2011 MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI LAJU PERTUMBUHAN PENDUDUK KOTA SEMARANG TAHUN 2011 MENGGUNAKAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION SKRIPSI DisusunOleh : Catra Aditya Wisnu Aji NIM : J2E
Lebih terperinci(R.14) METODE MINIMUM COVARIANCE DETERMINANT PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN
(R.14) MEODE MINIMUM COVARIANCE DEERMINAN PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN Dini Aderlina, Firdaniza, Nurul Gusriani Jurusan Matematika FMIPA Universitas Padjadjaran Jl. Raya
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciKata kunci : LISA, Moran I, Spatial Autocorrelation. Abstract
Jurnal Edukasi, Volume 1 No.2, Oktober 2015 ISSN. 2443-0455 ANALISIS SPASIAL AUTOKORELASI PADA DATA PERSENTASE WANITA PERNAH KAWIN DAN TIDAK PERNAH MENGGUNAKAN ALAT / CARA KB DI PROVINSI LAMPUNG Risdiana
Lebih terperinci1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH
MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman 129-135 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Banyak sekali teknik analisis statistika yang diturunkan atau didasarkan pada
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciBAB I PENDAHULUAN BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini, bumi tempat tinggal manusia telah tercemar oleh polutan. Polutan adalah segala sesuatu yang berbahaya bagi kehidupan makhluk hidup dan lingkungan. Udara
Lebih terperincioleh PRITA DEWI HUTRIANA SARI NIM. M
ESTIMASI RATA-RATA PRODUKSI JAGUNG DI PROVINSI JAWA BARAT MENGGUNAKAN PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DENGAN KOEFISIEN KURTOSIS VARIABEL BANTU DAN REGRESI ROBUST oleh PRITA DEWI HUTRIANA
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 1-5 ISSN: 2303-1751 PERBANDINGAN REGRESI KOMPONEN UTAMA DAN ROBPCA DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA REGRESI LINEAR BERGANDA NI WAYAN
Lebih terperinciBab III Studi Kasus III.1 Decline Rate
Bab III Studi Kasus III.1 Decline Rate Studi kasus akan difokuskan pada data penurunan laju produksi (decline rate) di 31 lokasi sumur reservoir panas bumi Kamojang, Garut. Persoalan mendasar dalam penilaian
Lebih terperinciUNTUK PREDIKSI PEAK GROUND ACCELERATION BERBASIS KOMPUTER
METODE KRIGING UNTUK PREDIKSI PEAK GROUND ACCELERATION BERBASIS KOMPUTER (Studi Kasus: Kota Banda Aceh) Theodorick, Rokhana Dwi Bekti, Edy Irwansyah Binus University, Jalan KH. Syahdan No. 9 Palmerah,
Lebih terperinciBAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
BAB III MIXED GEOGRAPHICALLY WEIGHTED REGRESSION 3.1 Mixed Geographically Weighted Regression Model Mixed Geographically Weighted Regression merupakan model kombinasi atau gabungan antara regresi global
Lebih terperinciPENDUGAAN PENGELUARAN PER KAPITA DI KABUPATEN BREBES
PENERAPAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA MODEL PENDUGA AREA KECIL DALAM PENDUGAAN PENGELUARAN PER KAPITA DI KABUPATEN BREBES SKRIPSI Disusun Oleh : RAHAYU NINGTYAS 24010211130042
Lebih terperinciS - 4 IDENTIFIKASI DATA RATA-RATA CURAH HUJAN PER-JAM DI BEBERAPA LOKASI
S - 4 IDENTIFIKASI DATA RATA-RATA CURAH HUJAN PER-JAM DI BEBERAPA LOKASI Astutik, S., Solimun, Widandi, Program Studi Statistika, Jurusan Matematika FMIPA, Universitas Brawiaya, Malang, Jurusan Teknik
Lebih terperinci